استخدام الشبكات العصبونية لترميم قواعد البيانات عبر تقدير المدخلات اعتماداً على قيم المخرجات بأقل نسبة خطأ ممكنة

الملخص

قمنا في هذا البحث بتقدير القيم المفقودة أو القيم الارتيابية لمتغير مستقل (دخل الشبكة العصبونية) أو أكثر من متغيرات الدراسة وبالتالي ترميم قاعدة البيانات، من خلال تدريب شبكة عصبونية أمامية التغذية وباستخدام  خوارزمية Levenberg-Marquardt  والتي تعد تطويراً لخوارزمية الانتشار العكسي التقليدية المستخدمة في تدريب الشبكات العصبونية الأمامية، حيث قمنا بحذف بعض القيم من متغير مستقل أو أكثر ومن ثم التنبؤ بها من خلال الخوارزمية المقترحة في هذا البحث وذلك اعتماداً على القيمة الدنيا والعليا للمتغير المستقل المراد التنبؤ بقيمه المفقودة  حيث تم تقسيم مجال المتغير الى نقاط قطع تصل الى(n) نقطة أو أكثر حسب الرغبة بدقة النتائج (يمكننا تقسيم المجال الى 1000 وأكثر من نقاط القطع) ومن ثم تعتبر هذه القيم مداخل للشبكة العصبونية بعد تدريبها مع بقية المتغيرات المستقلة التي لا تحوي قيماً مفقودة عند هذه المشاهدة هذه النقاط ويتم الحصول على خرج مقابل لكل نقطة قطع وبعد حساب القيمة الدنيا للفرق بين القيمة الحقيقية للهدف وخرج الشبكة تم اختيار نقطة القطع التي تعطي اقل قيمة لهذا الفرق وتكون هي تقديراً ذو دقة عالية للقيمة المفقودة. وقد وصلت دقة التنبؤ الى 0.99.